文摘

为了促进体育产业的发展教学和准确评估体育产业的教学改革,本文构造一个评价模型基于体育产业的教学改革。此外,k - means方法用于分类教学效果和简化数据收集过程,以提高教学改革评价的准确性。样本数据来自由体育部门和政府发布的数据从2017年到2020年,以及实际的调查。26个评价指标是由专家调查,问卷采访,和国内有关文献。此外,欧氏距离k - means方法用于计算每个索引的重量,和评价模型的结果进行了分析。结果表明,评价教学改革体育产业模型的准确性提出了98.4%,误差为1.3%。评价结果比之前的蚁群模型和适用于体育教学评价的改革。

1。介绍

体育产业化的教学是一个重要的措施来推动全民健身的发展。具有重要意义,提高身体素质,充分发挥体育的社会功能。体育产业的教学内容和目标不能满足教学改革的实际需要和影响体育产业的健康发展,所以体育产业的教学需要不断改革。目前,体育产业化教学改革的评价方法过于主观,缺乏定量和定性分析模型。因此,构建体育产业的教学评价模型精度高和小错误是一个需要解决的问题目前体育部门。结果如图所示1。


图1
运动的结果在不同的成绩。

体育产业的教学改革的关键是充分发挥其社会功能和社会经济提升。然而,体育产业的教学改革缺乏有效的评价方法,尤其是综合评价方法,使体育产业的教学改革无法顺利进行。基于上述背景和原因,本文提出了一种基于改进蚁群算法的评价模型,使教学改革的实验分析体育产业来验证该方法的有效性。

2。物理教育行业教学的影响因素

2.1。物理教育行业教学的作用

体育产业的教学改革是一个动态的、复杂的社会活动,牵涉到很多因素。教学改革不仅包括国家健康和当地经济也是国家和政府计划。因此,体育产业的教学改革需要准确分析和演示为了实现预期的目标。此外,体育产业的教学改革也呈现周期性和随机性的特点。综合分析需要有效地确定改革中的不可控因素(1]。

2.2。体育产业的教学改革的效果

大量的研究表明,回归分析和其他方法关注可控等客观因素的研究Broo et al。2),忽视可控和不可控因素之间的相关性。因此,有一个大偏差理论结果和实际结果之间的体育产业的教学改革3]。此外,体育产业的教学改革受到很多因素的影响,和一个计算方法不能满足计算要求(4]。

基于上述分析,本文提出了一种改进的蚁群算法来分析各种因素的教学改革在体育产业中,提取的关键指标,并给指标权重,形成最终的教学改革模式5]。的specific model calculation formula is expressed as follows: 在哪里我参数的数量,j参数值的频率,n样品的数量, 处理后是吗 , 的平均值吗 ,和 的方差 。

3所示。k - means分类

为了确保教学改革评价的准确性和简化数据收集过程,有必要对教学效果进行分类k - means。本文使用了k - means分类指数。在数据收集的过程中,之间没有显著的突然改变最后的测试时间t我和下一个测试时间t我+ 1每一个评价维度,所以有一个评价维度之间的相关性t我和t我+ 1。因此,t我+ 1运动效果评估数据来自电信的评估结果,从而实现连续评价教学效果。k - means分类是基于平方误差的总和聚类结果,欧几里得距离及其相似的判断方法。其中,标准k - means分类问题的大中心 偏差和不一致的k - means各种样品的影响的准确性k - means分类。在这篇文章中,轮廓系数的概念 介绍了各种类型的限制范围k - means,以提高分类的准确性和样本的相似性分类。样本中心的计算公式如下: 在哪里我样品标识, 样本的距离吗我集群中的其他点, 最小距离吗我noncluster中的其他点, 从样本的平均距离集群。在获得每个样本的中心,总评价的结果 整个数据集应该计算。计算公式如下: 在哪里 是整个样品的重量,也就是1的总和, 聚类样本的中心不同, 是聚类的中心k, 之间的欧几里得距离平均中心和最小距离聚类中心吗k代表运动的最终评价结果的效果。教学效果评价是按升序排列的 ,选择和最小值作为初始聚类分析的价值。

4所示。体育教学效果评价体系的建设

4.1。改进算法的数学描述

标准蚁群算法中的梯度下降逻辑的数量将会增加局部极值和影响结果的准确性和计算的收敛速度6]。的k - means分类是集成到蚁群算法来构造运动效果评价体系。轮廓系数 可以限制梯度下降方向(正面和负面)蚁群算法的过程中,减少局部极值的出现率,提高计算的准确性。 可以简化评价过程,教学改革在体育产业7]。

假设评价指标向量的理解体育在体育教学效果评价体系 ,评价标准向量的微妙的影响 ,评价结果向量的实际训练 ,和期望向量教学效果评估的目标 。其中,理解体育评价指标之间的权重向量和微妙的影响 ,轮廓系数是 ,微妙的影响之间的重量和实际培训评价标准向量 ,和轮廓系数是 ,然后体育效果评价体系的数学模型所示以下公式:

不同层之间的输出误差e=输出向量o将向量p所示,计算以下方程:

不同的输入向量得到不同的输出值,这使得一组权重和阈值的综合施工效果,社会功能和社会经济实现内部表示。经过反复学习和全民健身,确定网络参数误差最小和停止分析全民健身。在全民健身的影响的分析,相应的综合评价是为不同的对象。

蚁群算法分为三层:输入层、监管层和输出层。当输入参数是相同的,不同的权重和阈值将导致不同的输出结果。为了提高输出结果的准确性,应合理的权重设置。此外,在教学改革对体育产业的过程中,人类的主观因素和客观因素的数据收集也会导致输出结果不准确。因此,错误调整功能应该增加减少上述干扰因素对结果的影响。

4.2。评估数据的一致性处理体育产业的教学改革
4.2.1。准备社会功能的一致性

因为体育产业的教学评价数据来自方方面面,不仅包括结构也是一种数据,数据结果的不一致将会增加计算复杂度,延长计算时间的评估结果。因此,有必要规范数据体育产业的教学改革。显示了具体的计算公式 在哪里 教学效果评估数据, 的结果 归一化, 和 是每个评价指标的最大和最小值。因为数据投影的范围(0,1),每个索引方法的值,不能达到0和1。因此,当 = , ;当 = , 。

4.3。评价结果的误差分析

评价结果的误差分为均方误差 和相对误差百分比 ,这两者都是用来评估的误差从定性和定量的角度来看8),实现教学效果评价的综合评价。 =−实际价值估计价值,总的结果误差运动效果; 是样本之间的误差百分比指数反映了错误的指数,和具体的计算下列公式所示:

5。教学改革的实证分析评价体育产业

为了验证改进的蚁群算法的影响体育产业评价的教学改革,本文收集46数据体育产业200年教学改革,使迭代分析的结果(9]。每个评价指标的平均价值,从2017年6月到2021年1月被选中。同时,计算结果的准确性,至0.001。具体的数据结果见表1。

表1
实际测量结果(n= 46)。
5.1。样本k - means分类

在全民健身的方法x1、社会功能x2,当地的经济x3,和当地的政策x4作为初始指标,结合表中的数据2,物理教育行业教学研究的影响,如表所示2。

表2
样本的分类结果。

根据上述分析,相似性的每个输入变量的范围和总输入变量高,并没有显著差异。的k - means更好的分类结果。确定整个运动的轮廓系统效果评价体系;确定分类数k得到最优值。首先,816个样本归一化,k从2增加到7个, 是轮廓系数。结果如表所示3。

表3
轮廓系数年代 k在不同k值。

当集群的数量k= 4,系数 是最大的,这说明下的集群效应是最高4分区。因此,本文选择k作为集群的初始数量= 4, 进行4分区聚类。然后, 是体育的教学效果评价结果计算和按升序排列。结果表明,最小值 是0.786,最大值为4.232,和值范围是0.786 - -4.232。其中,k - means是一个迭代的聚类分析算法。一步是把数据分成k组,然后随机选择k对象作为初始聚类中心,然后计算每个对象和每个集群的种子。一方面,k - means方法随机选择体育产业项目,以减少人类的主观评价和意识到结果的定量分析;另一方面,该方法将体育产业项目和实现结果的定性分析。因此,k - means方法定性、定量分析的综合优势和适用于教学改革的需要,对体育产业的评价。

5.2。评价结果的误差计算的教学改革体育教育产业

根据计算结果图2的出错率,改进算法比原来的算法,大大降低和改进算法的结果与实际结果基本上是一致的。因此,改进算法的准确性更好,这是与实际结果一致。体育效果的错误计算了不同的迭代10),和体育效果的评价结果在不同目标计算错误。结果表示在图所示2。


图2
三种方法的误差比较。

从图可以看出2,评价数据的增加体育产业的教学改革,改进蚁群算法的计算精度与实际情况一致,比标准蚁群算法。结果表明,改进的蚁群算法更稳定在相同数量的数据,主要是因为K-mean分类可以提高评价模型的收敛性。

5.3。体育教学评价的计算精度分析行业

为了进一步验证改进算法的有效性,计算精度应验证,以确保它满足评估要求,即。,> 95%。基于全民健身的影响,社会功能,和当地经济,本文综合分析功能系统的运动。结果表明,该方法的指数是0到60之间,社会功能高于97%,计算时间控制0到30秒。因此,体育影响的综合结果,社会功能,和计算时间符合要求,和建造质量行动体系会影响实际的运动。结果如图所示3。


图3
体育教学效果评价的综合结果。

每个索引之间的关系也是一个重要算法的评价指标,另一个重要内容来验证改进算法的有效性。为了验证算法的有效性,应该分析各项指标之间的关系。通过计算迭代的数量从0到1200年,该指数的变化值数,计算时间和计算精度。如图所示的结果4。


图4
迭代次数和计算精度之间的关系,指数,计算。

从上面的分析可以看出,随着迭代次数的增加,计算精度的教学改革模式的体育产业明显没有改变,仍在97.5%和98.5%之间,维持在大约30,计算时间保持在17秒左右。因此,体育产业的总体效果基于改进蚁群算法的教学评价模型构建本文比较高,这是比前面的遗传算法的90%的准确率。

6。结论

分析了影响体育教育行业教学对整体健康效应(11)、社会功能和当地的经济。收集到的样本数据归一化来减少数据属性的影响结果(12]。使用MATLAB仿真分析,结果表明,运动对全民健身的社会功能13),当地经济的作用更加明显。通过模型的收敛性,我们可以看到,体育运动对全民健身的影响更大(14]。同时,函数系统构建本文不延长计算时间和迭代次数的增加(15),这表明,物理教育行业教学对全民健身的影响是连续的(16]。因此,本文认为,物理教育行业教学有很强的综合作用,可以作为整体健身的一个重要组成部分,促进当地经济的发展,发挥全民健身的社会功能。

数据可用性

数据用于支持这项研究的结果是隐蔽的,所以无法提供。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持的黑龙江省哲学社会科学研究规划项目(18 tye554和17 tye351)。